إدارة طاقة التوزيع الكهربائية وتمديد عمر أجهزة تخزين البطاريات

ضرورة إدارة طاقة التوزيع الكهربائية وتمديد عمر أجهزة تخزين البطاريات

في السنوات الأخيرة، توسع استخدام مصادر الطاقة المتجددة (RESs) بشكل كبير في كل من التكامل على نطاق صغير وعلى نطاق واسع، كما يمكن للكهرباء المولدة من هذه المصادر الوفيرة، مثل طاقة الرياح والطاقة الشمسية، حيث أن الهدف هو التخفيف من العديد من المشكلات التي تعاني منها شبكات الطاقة اليوم.

لذلك أولاً ومن خلال توليد الكهرباء داخل المدن والمراكز المجاورة لمراكز طلب الأحمال الكهربائية؛ فإن هذه الأصول لها تأثير كبير على تقليل خسائر شبكة التوزيع وثانياً من خلال توفير نسبة من الطلب المتزايد على الكهرباء، كما يمكنهم خفض تكاليف توسيع الشبكة أو تأجيلها على أقل تقدير.

في حين أن استخدام هذه الموارد مفيد إلى حد كبير؛ فقد أدى إلى ظهور تحديات جديدة، وعلى عكس منافسيهم التقليديين المعتمدين على الوقود الأحفوري؛ فإن العشوائية وعدم القدرة على التنبؤ بهذه المصادر قد أدخلت عوائق جديدة في إدارة الطاقة لشبكات الطاقة الكهربائية نفسها، بحيث تعتمد طاقة خرج (RESs) بشكل أساسي على الظروف الجوية ولا يمكن التنبؤ بها بدقة.

في العقود القليلة الماضية، أدى التقدم التكنولوجي لأنظمة طاقة البطارية (BES)، وذلك جنباً إلى جنب مع أنظمة تحويل الطاقة إلى جعلها جديرة بالاهتمام في تطبيقات شبكة الطاقة، حيث أن هذه الوحدات قادرة على التغلب على العديد من مشكلات نظام الطاقة الحالية التي تأتي مع استخدام (RESs)، مثل ذروة الطلب وضعف جودة الطاقة وتقلبات الجهد الكهربائي.

وكحل قابل للتطبيق لهذه المشكلات؛ فإنه يمكن جدولة شحن وحدات (BES) في غير ساعات الذروة والتفريغ في ساعات الذروة، مما يفيد النظام من حيث تقليل ازدحام الخط بالإضافة إلى تكاليف التشغيل، ومع ذلك؛ فإن الاستخدام المتكرر إلى جانب الشحن الزائد أو الإفراط في التفريغ، يضر بشدة بظروفهم الصحية ويؤدي إلى تقليل حياتهم، وبالتالي؛ فإن جدول واستراتيجية الشحن الأمثل بالإضافة إلى نموذج دقيق مدى الحياة مطلوبة ليس فقط لتقليل نفقات تشغيل الشبكة الكهربائية، ولكن أيضاً ينتج عنها عمر أطول لـ (BES).

مخطط النموذج الخاص بإدارة طاقة التوزيع الكهربائية

يوضح الشكل التالي (1) الإطار العام للنموذج المقترح، ووفقاً لهذا النموذج؛ فإنه يتم استخدام (BES) كأصول لتحويل الأحمال من ساعات الذروة إلى ساعات خارج الذروة، وتحقيقا لهذه الغاية يتم التحكم في هذه الموارد من خلال نظام (EMS) مركزي يحدد متى يجب توصيلها بشبكة التوزيع ومتى يكون عزلها أكثر اقتصاداً، كما أنه يفرض أنماط الشحن أو التفريغ ومعدلات (BESs) عندما تكون متصلة بالشبكة الكهربائية.

كما يتم اتخاذ هذه القرارات بناءً على متغيرات مختلفة مثل أسعار الطاقة (التي يوفرها DSO على مدار اليوم) وخصائص الشبكة والقيود والأحمال الكهربائية المتوقعة للعملاء وكذلك الأجيال المتجددة، حيث أن الهدف الرئيسي للنظام هو جدولة (BES) ليس فقط لإطالة عمرها، ولكن أيضاً لتقليل تكاليف تشغيل الشبكة قدر الإمكان.

في حين أن هناك عدداً من الدراسات في الأدبيات الحالية التي تستخدم خوارزميات التحكم في الطرق التكيفية الغامضة التي يتم تشغيلها بواسطة الحدث وكذلك الطرق التكيفية المستندة إلى الحدث المستندة إلى الشبكة العصبية، كما تركز هذه الدراسة على مناهج التحسين في الطاقة الإدارة لجدولة (BES) على النحو الأمثل في (ADN).

كما يتم استخدام البرمجة العشوائية ذات المرحلتين لمعالجة عدم اليقين من المشكلة، وهنا يعتبر التوليد المتجدد والطلب على الحمل من المتغيرات غير المؤكدة، مما يعني أنه يمكن أن يأخذوا كميات مختلفة في كل سيناريو، ولإنشاء سيناريوهات واقعية بناءً على البيانات التاريخية، كما يلزم وجود بيانات أولية بما في ذلك سرعة الرياح والإشعاع الشمسي وملف تعريف الحمل، والتي يتم استخلاصها من قواعد البيانات التاريخية في العالم الحقيقي.

وبعد ذلك وبناءً على الخصائص المتأصلة لكل مجموعة بيانات؛ فإنه يتم اختيار دالة توزيع احتمالية مناسبة، كما ويتم إنشاء السيناريوهات وفقاً لذلك، وذلك لإدارة عدد كبير من السيناريوهات، بحيث يتم استخدام طريقة التجميع (K-) لتقليص عدد السيناريوهات لحساب متغيرات المرحلة الأولى، بينما يؤدي تقليل السيناريوهات في بعض الأحيان إلى فقدان البيانات وكثافة غير صحيحة للبيانات في كل منطقة.

لذلك؛ فإن هذه الطريقة تحتفظ بتوزيع السيناريوهات الرئيسية في كل منطقة إلى حد كبير، مما يجعل مجموعة بيانات السيناريو المختزل للمخرجات أكثر موثوقية، وأخيراً من خلال اعتبار متغيرات المرحلة الأولى ثوابت وحل المشكلة العشوائية بالسيناريوهات الرئيسية، كما يتم حساب متغيرات المرحلة الثانية وقيمها المتوقعة، بحيث يوضح الشكل التالي (2) الخوارزمية الرئيسية للنموذج المقترح.

كما أن هناك عنصر مهم آخر يجب معالجته في المشاكل التشغيلية هو طريقة (OPF)، بحيث تركز العديد من الطرق الحالية على النماذج التكرارية غير الخطية (AC)، ومع ذلك؛ فإن هذه الأساليب ، وذلك مع أنها تتمتع بميزة الدقة وتكون بطيئة إلى حد كبير في حل الوقت، خاصة بالنسبة للشبكات الكبيرة، ومن ناحية أخرى على الرغم من وجود ميزة سرعة الحل العالية؛ فإن طريقة (DC-OPF) الخطية ليست دائماً الخيار الأفضل.

ونظراً لأنه لا يأخذ في الاعتبار الفولتية وخسائر الشبكة والقدرة التفاعلية؛ فإن نتائج هذا الحل ليست دقيقة حقاً، وذلك للحصول على أفضل النتائج، بحيث تم تقييم العديد من طرق (AC-OPF) الخطية، كما تتم صياغتها ومقارنتها مع بعضها البعض وفقاً لبعض المعايير، مثل سرعة الحساب والدقة والتوافق مع شبكات التوزيع.

وفي حين أن بعض هذه الأساليب كانت أكثر دقة؛ إلا أن وقت الحل وتعقيد التنفيذ كانا مرهقين في بعض الحالات، كما تم اختيار الخوارزمية، والتي تستند إلى الحد الأدنى من التقديرات التقريبية، وذلك ليتم تنفيذها حيث تم تقديمها بشكل أساسي لشبكات التوزيع وهي سريعة في الحساب مع دقة معقولة، وبالإضافة إلى ذلك، ينتج عنه حل أمثل عالمياً لا يمكن الحصول عليه بطرق البرمجة اللغوية العصبية، كما تم تقديم هذا النموذج سابقاً لإعادة تكوين الشبكة.

وبالنسبة لنمذجة البطارية بشكل عام، يعتمد العمر المتوقع للبطارية على عدد مرات شحنها (أو تفريغها) في عمرها الافتراضي، وبصرف النظر عن ذلك، تشير طريقة (RFCC) إلى أن عمر البطارية القائمة على المواد الكيميائية يعتمد على عوامل الإجهاد الأخرى، بما في ذلك وعلى سبيل المثال لا الحصر، كذلك السعة الإجمالية للبطارية وعدد الدورات غير المكتملة وتيار تفريغ البطارية ودرجة الحرارة وطريقة الشحن.

لذلك كلما تم أخذ المزيد من عوامل الإجهاد في الاعتبار، بحيث زادت دقة النموذج، هنا من المفترض أن تكون درجة حرارة البطارية المحيطة ثابتة عند (25) درجة مئوية، وبالتقريب العادل يتم أخذ العديد من عوامل الإجهاد في الاعتبار، مثل سعة البطارية وعدد دورات التفريغ وطاقة التفريغ ومعدل التفريغ، كما يمكن أن يؤدي تبادل الطاقة الأقل بين (BES) والشبكة المتصلة إلى إطالة عمرها الافتراضي.